基于时效量化的Web服务评价模型

现有的服务评价方法缺乏时效性,而应用于其他系统的时效量化方法难以体现服务评价时效在衰退上的差异特征。由此,建立了基于时效量化的Web服务评价模型。模型以评价时效的遗忘特征为切入点,分析评价时效与人类记忆的关系,揭示评价时效遗忘速率的更新规律,构建符合时效衰退差异的时效量化方法。同时,根据量化结果,优化评价窗口长度,从而解决人工设定窗口长度的不合理性。实验表明,模型在满足时效衰退差异性的基础上,确保了较低的评价误差和计算代价,并合理拟合用户评价,具有一定理论研究和实际应用价值。     

基于CCA的个性化轨迹隐私保护算法

针对轨迹隐私保护的个性化需求问题,提出一种基于典型相关分析的个性化轨迹隐私保护算法。算法对数据产生者认为不敏感的轨迹直接发布,而仅对数据产生者认为敏感的轨迹施以隐私保护操作。隐私保护过程中,先由不敏感轨迹和敏感轨迹获得二者的隐变量,再根据隐变量产生随机轨迹以替代敏感轨迹。该算法不仅能较好地尊重数据产生者的隐私保护意愿,而且能获得较高的轨迹质量。在真实轨迹数据上的实验结果验证了算法的有效性。     

基于模糊控制的光照自适应特征提取

为了提高变化光照下视觉特征的识别能力,提出一种光照自适应的特征提取方法。动态选择颜色、边缘特征建立特征集,解决单一类特征造成的跟踪不稳定性问题;定义局部光照变化测定函数,检测光照变化;利用Fisher准则评价特征识别能力,在线更新特征集,克服光强变化、噪声等因素的影响;采用模糊方法根据光强变化控制特征集的更新度。应用特征提取方法在粒子滤波框架下进行跟踪实验,在光照不断变化情况下能够实现稳定的目标跟踪,准确率较基于颜色特征的视觉跟踪方法有所提高。     

一种着色赋时的面向对象Petri网及在自动制造系统中的应用

着色赋时的面向对象Petri网(Colored Timed Object-Oriented Petri Net,CTOPN)是在面向对象Petri网的基础上,添加了着色令牌和输入输出变迁函数的概念而形成的,是Petri网的扩展形式.给出了CTOPN的基本定义和建立CTOPN模型的方法,给出了CTOPN在自动制造系统(Autommated Manufacturing Systems,AMS)中的应用实例,最后对模型进行了死锁分析.CTOPN可以准确地描述复杂系统的静态结构及动态特性,能够成为面向对象系统的一种形式化的建模工具.     

基于声誉的移动众包系统的在线激励机制

在大数据环境下,对移动众包系统的研究已经成为移动社会网络（MSN）的研究热点。然而由于网络个体的自私性,容易导致移动众包系统的不可信问题,为了激励个体对可信策略的选取,提出一种基于声誉的移动众包系统的激励机制——RMI。首先,结合演化博弈理论和生物学中的Wright-Fisher模型研究移动众包系统的可信演化趋势;在此基础上,分别针对free-riding问题和false-reporting问题建立相应的声誉更新方法,从而形成一套完整的激励机制,激励感知用户和任务请求者对可信策略的选取;最后通过模拟实验对提出的激励机制的有效性和适应性进行了验证。结果显示,与传统的基于社会规范的声誉更新方法相比,RMI有效地提高了移动众包系统的可信性。     

基于有向图构造的数据流预测算法

数据流的预测技术在金融证券管理、网络监控等应用中具有重要的作用.分析近年来有关数据流预测的技术,并做出总结.提出一种新的数据流预测方法,将输入的数据流构造成有向图数据结构,并随着新数据流的到来对有向图进行维护,从中提取概率矩阵,利用马尔可夫模型进行计算,得出数据流下一时刻可能的到来值.最后通过实验验证其可行性.结论表明,该算法的精度和预测成功率都较高.     

关系模型上数据语义的正确性判别

指出某些应用领域要求对数据库施加专门的数据约束，把判断一个数据库是否满足这种约束的问题归为数据语义判别，提出了用相关语义网络的表示方法来表达数据约束，运用激活传递的推理方法解决这个问题。     

量子协同的二分图最大权完美匹配求解方法

信息科学中许多组合优化问题可抽象为二分图最大权完美匹配问题.由于数据量的增长,经典算法难以平衡匹配问题求解效率和求解精度的矛盾.基于此,提出一种适用于求解通用最大权完美匹配的智能优化方法.该方法将原始的矩阵形式的匹配候选解转换成可被智能优化算法处理的演化基结构,通过子代选择和量子策略协同过程,自适应地从改进的离散粒子群策略以及模拟退火策略中选择适用于当前演化过程的有效策略,并在保持种群稳定进化的同时促使种群快速收敛.通过不同类型检验函数以及不同维度匹配矩阵的实验,结果表明:与其他方法相比,该方法在有限迭代次数内具有较高的收敛精度以及较快的收敛速度,体现出对经典问题以及高维匹配问题的适应能力.     

一种适用于蔬菜生产的预测方法

农业生产在很大程度上受到自然环境、政策法规等因素的影响，蔬菜生产也不例外。本文提出了一种基于统计模型的蔬菜生产预测方法，并在IBM PC上实现。预测精度达到了预期的要求。该方法适当修改后可推广到其它（如气象）需要预测的领域。     

基于Rough-Fuzzy的网构软件信任度量模型

针对网构软件信任度量模型缺少自适应性和不能很好地刻画信任关系复杂性和不确定性的问题,提出基于Rough-Fuzzy的网构软件信任度量模型.将Rough-Fuzzy思想引入到对网构软件的信任度量上,并将信息熵理论引入到不同信任属性值的权值计算上,以解决信任属性值计算的不确定性问题.实验表明该度量模型对善意节点和恶意节点的信任度有明显的区分效果,能够抑制恶意节点的信任度增长.并且该模型具有良好的适应性,对于一些信任度量参数,系统可以动态地去调整并且增加或减少信任度量属性,能够很好地适应开放网络环境的动态性特点.